TwinCAT Chat을 활용하면 프로젝트를 개발할 때 OpenAI의 챗GPT와 같은 대규모 언어 모델(LLM)을 TwinCAT XAE 엔지니어링 환경에서 편리하게 사용할 수 있다. 이번 인터뷰에서는 TwinCAT 제품 관리자인 Fabian Bause 박사와 Jannis Doppmeier가 가장 중요한 어플리케이션 고려사항과 제어 프로그래밍에서 전사 관리까지 효율성 측면에서 잠재적으로 얻을 수 있는 중대한 이점에 대해 설명한다.
TwinCAT Chat은 자동화 환경과 관련하여 챗봇의 새로운 가능성을 열어준다. © Beckhoff
챗GPT 도입 이후 사람들의 관심이 대규모 언어 모델(LLM)에 집중되고 있습니다. Beckhoff는 2023년 하노버 메세에서 TwinCAT Chat과 함께 자동화 분야의 어플리케이션을 선보인 최초의 공급업체 중 하나였습니다. 하노버 메세에서 그리고 그후에 고객들은 어떠한 반응을 보였습니까?
Jannis Doppmeier: 고객들은 일관적으로 긍정적인 반응을 보였습니다. 경영진과 사용자 모두 높은 관심을 표명했습니다. 고객 대다수가 자동화 산업에서 이 기술이 가진 매우 큰 잠재력에 대해 언급했습니다. 일부는 향후 베타 버전이 공개되면 테스트에 참여하고 싶다는 구체적으로 관심을 보이기도 했습니다. 이는 자동화 분야에서 고급 솔루션에 대한 수요가 점차 증가하고 있음을 보여주는 것입니다. Beckhoff 는 TwinCATChat 의 도입으로 산업 어플리케이션에 대한 LLM 통합에 중대한 기여를 해왔습니다.
한편으로 자동화 엔지니어 입장에서 다른 한편으로 기업 경영진 입장에서 LLM이 제공할 수 있는 이점은 무엇입니까?
Jannis Doppmeier: 대규모 언어 모델(LLM)을 통해 자동화 엔지니어와 기업 경영진은 모두 여러 가지 이점을 얻을 수 있습니다. 자동화 엔지니어 입장에서 LLM은 코드를 자동으로 생성하고 작성함으로써 혁신적으로 개발 프로세스를 변화시킬 엄청난 잠재력을 가지고 있습니다. LLM은 전체 프로세스의 속도를 크게 가속화합니다. 또한, LLM으로 하여금 개인 튜토리얼을 만들도록 하고 발생한 문제에 대한 구체적인 질문을 통해 해결책을 찾는 과정을 단축할 수도 있습니다. 자동화 분야의 가이드라인 및 모범 사례를 일관적으로 이행하고 준수할 수 있다는 것 또한 이점입니다. 기업 경영진 입장에서 LLM은 회사 내에서의 지식 이전을 촉진할 수 있다는 장점을 제공합니다. LLM은 중대한 정보는 저장하고 필요할 때 이용 가능한 중앙 지식 기반의 역할을 할 수 있습니다. 뿐만 아니라, 고객 질의에 대한 최초 접점의 기능을 하기 때문에 지원팀의 업무 압박을 해소할 수 있습니다. 이는 응답 시간을 단축할 뿐만 아니라 잠재적인 고객 만족도도 증가시킵니다. 전반적으로 LLM은 현대 비즈니스 세계에서 나타나는 수많은 과제에 대한 효율적이고 혁신적인 해결책을 제시합니다.
LLM 사용과 관련하여 기술적 불확실성이 여전히 존재합니까?
Fabian Bause 박사: 확실히 그렇습니다. 많은 기술적 불확실성이 존재하지만, 현재의 개발 속도를 고려하면 놀랍지는 않습니다. 오늘날 자동화 산업의 주요한 해결 과제 중 하나는 LLM의 “공상”입니다. 이는 LLM이 사용자가 간혹 인식할 수 없는 ‘조작된’ 답변을 반복적으로 생성한다는 의미입니다. 예를 들어, 초기 개발 단계에서 TwinCAT Chat에 의해 생성된 PLC 코드에서 적어도 TwinCAT에는 존재하지 않는 일부 모션 기능이 발견되었습니다. 하지만 이는 시간이 지나면 해결하고 대폭 개선할 수 있는 문제들입니다.
법적 측면에서도 불확실성이 있습니까?
Fabian Bause 박사: 당연합니다. 현재로서는 유럽연합의 인공지능법이 불확실성의 근원입니다. 아직 최종적으로 채택되지 않았는데, 단지 그 이유만으로도 업계에 상당한 불확실성이 존재합니다. 정책 입안자 입장에서 AI 어플리케이션 규제와 관련한 주요한 문제 중 하나는 정치적 프로세스가 일반적인 AI 분야의 급속한 발전 속도에 비해 훨씬 더 느리다는 것입니다. 아직 드러나지 않은 여러 AI 개발에 일반적인 규제가 어떻게 적용될지 지켜볼 필요가 있을 것입니다. 하지만 일정한 규제 조치가 필요하다는 것에는 의심의 여지가 없습니다.
TwinCAT Chat과 같은 AI 어플리케이션이 향후 자체적인 창의성을 바탕으로 제어 프로그래머들을 대체할 수 있을 것으로 보십니까?
Fabian Bause 박사: 아닙니다. 분명히 그렇지는 않을 것입니다. 프로그래머를 완전히 대체하는 것은 우리의 목표가 아니며, 현재의 기술 발전 추이를 봐도 그렇게 되지는 않을 것입니다. 오히려 프로그래머들에게 보다 나은 툴을 제공하여 효과적으로 업무를 수행할 수 있도록 하는 것이 목표입니다. AI 어플리케이션의 역할은 프로그래머의 생산성을 높이는 것이며, 특히 이는 기술 부족을 해결하는 핵심 방법 중 하나이기도 합니다. 자격을 갖춘 전문가를 찾지 못해 빈 자리를 채울 수 없는 경우, AI를 활용하여 지속적인 경쟁력을 확보해야 합니다.
TwinCAT Chat의 기술적 특징은 무엇인가요?
Jannis Doppmeier: TwinCAT Chat은 웹 브라우저에서 챗GPT를 사용하는 기존 방식에 비해 사용자에게 구체적인 이점을 제공하도록 개발되었습니다. 특히 자동화 산업의 특수한 요구 사항과 관련한 심층적인 통합 기능에 핵심 부가가치가 있습니다. 채팅 기능을 개발 환경(IDE)에 직접 통합한 것이 주요한 특징 중 하나입니다. 결국 통신 및 코드 교환이 원활하게 통합되어 개발 프로세스가 대폭 간소화됩니다. 또한 Beckhoff 모델의 기본 초기화가 TwinCAT 요청에 맞게 세부적으로 조정되어 왔습니다. 이와 같은 방식을 통해 TwinCAT Chat에 TwinCAT을 사용한다고 말할 필요도 없이 직접 세부적인 질문을 물어볼 수 있으며, 구조화된 텍스트의 코드 예제를 기대할 수 있습니다. 주목할 만한 또 다른 점은 생성된 코드를 간편하게 채택할 수 있다는 것입니다. 이를 통해 개발자의 시간을 절약할 뿐 아니라 수작업 시 발생 가능한 인적 오류를 줄일 수 있습니다. TwinCAT Chat과의 상호작용은 명령어 입력 필요성을 최소한으로 줄이도록 설계되었습니다. 대신 사용자는 워크플로우를 개선하도록 특별히 설계된 사전 테스트를 거친 요청을 클릭하기만 하면 됩니다. 이러한 요청에는 다음과 같은 작업이 포함됩니다.
–최적화: 시스템이 성과 또는 코드의 효율성을 향상시키는 제안을 할 수 있습니다.
–문서화: TwinCAT Chat을 통해 다른 팀원들이 코드를 보다 쉽게 이해하는 데 도움이 되는 주석과 문서를 작성할 수 있습니다.
–완성: 코드 조각이 누락되었거나 불완전한 경우, 시스템이 이를 완성하여 기능을 보장하는 제안을 생성할 수 있습니다.
–리팩토링: TwinCAT Chat이 특정한 가이드라인 및 정책에 따라 회사 지침에 더 부합하도록 코드를 리팩토링할 수 있습니다.
전반적으로 TwinCAT Chat 시스템은 효율적이고 직관적인 사용자 인터페이스를 제공함으로써 개발 프로세스의 효율성을 크게 높여줍니다.
Fabian Bause 박사, TwinCAT 제품 관리자, Beckhoff Automation © Beckhoff
Jannis Doppmeier, TwinCAT 제품 관리자, Beckhoff Automation © Beckhoff
현재는 PLC 코드 생성 지원에 집중되어 있는데, 향후 중요성 측면에서 급부상할 다른 분야는 무엇입니까?
Fabian Bause 박사: LLM의 미학은 약간의 상상력을 사용하여 범용적으로 활용할 수 있다는 점입니다. PLC 코드 생성에 더해 TwinCAT HMI 프로젝트를 자동으로 생성하는 챗봇에 대해서도 연구하고 있습니다. 사용자는 HMI를 어떻게 구성할지 정하기만 하면 되고 TwinCAT이 백그라운드에서 전체 HMI 프로젝트를 생성하도록 만드는 것이 목표입니다. 따라서 고객은 시각화된 HMI 형태의 피드백을 즉시 받게 됩니다. 이는 HMI에 대한 프로그래밍 인터페이스를 LLM에 설명함으로써 구현할 수 있는데, 사실 HMI 또한 LLM이 쉽게 마스터할 수 있는 또 다른 “언어”에 불과하기 때문입니다. 또 다른 프로젝트는 수 기가바이트의 지식을 문서 형태로 포함하고 있는 문서 시스템에 대한 챗봇 인터페이스에 관한 것입니다. 이는 고객의 당면 과제이기도 합니다. 우리는 텍스트 형태로 방대한 양의 지식을 제공합니다. 그 이유는 수많은 사람이 동시에 정보를 이용할 수 있도록 하는 유일한 방법이기 때문입니다. 즉, 서면 텍스트는 한마디로 일종의 툴입니다. 인간이 정보를 공유하는 자연스러운 방법은 언어를 통하는 것입니다. 한 사람이 질문하면 상대방은 질문을 이해하거나 해석한 후 경험을 바탕으로 답을 만들어 냅니다. LLM을 통해 이를 구현할 수 있습니다. 즉, 우리가 질문하면 LLM이 질문을 해석하는 것입니다. 문장이 완전하지 않은 질문도 시스템이 처리할 수 있기 때문에 세부적인 키워드를 사용할 필요가 없습니다. LLM에 대규모 Beckhoff 라이브러리에 대한 액세스 권한을 부여하면, LLM이 표적형 응답도 생성할 수 있습니다. 따라서 앞으로는 키워드를 통해 답을 찾을 필요 없이 구체적인 질문을 할 수 있을 것입니다.
TwinCAT Chat은 사용자 입장에서도 새로운 업무 방식을 열어줍니다. 이것의 의미는 정확히 무엇이며, 실무에서 어떤 이점이 있습니까?
Jannis Doppmeier: Beckhoff의 TwinCAT Chat은 디지털 어시스턴트의 역할을 함으로써 개발자의 생산성을 크게 높여주는 혁신적인 솔루션입니다. 이제 더 이상 코드를 하나하나 직접 작성할 필요가 없습니다. 이 어시스턴트 솔루션은 시간이 소요되고 반복적인 경우가 흔한 일상적인 작업을 수행합니다. 이를 통해 개발자는 소프트웨어의 실질적인 설계 및 개념화와 같은 핵심 업무에 더 많은 시간과 역량을 집중할 수 있습니다. 모든 이점이 중요한 시장에서 Beckhoff의 TwinCAT Chat은 기업이 인력이 부족한 상황에서도 경쟁력을 유지하고 증가하는 고객의 요구를 충족시킬 수 있는 기회를 제공합니다.
사용되는 언어 모델이 가지는 의미는 무엇인가요?
Fabian Bause 박사: 오늘날 OpenAI의 챗GPT, Google의 PaLM, Bard, Baidu의 ERNIE와 같은 유명 IT 거대 기업의 여러 언어 모델이 서로 경쟁하고 있습니다. 주요 모델의 공통점은 모두가 API를 통해 클라우드 서비스로 제공된다는 것입니다. 기술적 차이뿐만 아니라 지역별 당면 과제에도 차이가 존재합니다. 예를 들어, 중국에서는 챗GPT 및 Google의 LLM을 이용할 수 없습니다. Beckhoff의 경우 회사에서 중국 시장이 차지하는 비중이 크기 때문에 이러한 상황은 해결해야 할 과제입니다. 또한 타사의 클라우드 서비스를 Beckhoff 제품에 통합할 경우 해당 서비스 제공자에 대한 의존도가 커집니다. 기술적 측면에서 서비스가 어떻게 진화할 것인지, 개발이 얼마나 안정적이고 하위 호환성이 있는지, 향후에 서비스 사용 비용과 개인정보 보호정책이 어떻게 변화할 것인지와 관련한 불확실성도 존재합니다. 그와 같은 불확실성 때문에, 기존의 상용 오픈 LLM을 바탕으로 우리 모델을 훈련시키기 위해 노력하고 있습니다. 이와 같은 방식으로 챗GPT와 같은 범용 모델과 경쟁하기보다는 명확히 정의된 훨씬 더 좁은 범위의 어플리케이션에 집중하고 있습니다.
본 인터뷰 기사는 Beckhoff Automation 홍보부 편집 담당자 Stefan Ziegler가 작성했다.
링크: